在国家自然科学基金项目（批准号：62173004、T2421004）等资助下，北京大学李阿明研究员团队与美国北卡罗来纳大学教堂山分校Alex McAvoy助理教授团队开展合作研究，在动态博弈场景中群体智能行为演化方面取得进展。研究成果以“Promoting collective cooperation through temporal interactions”为题，发表在《美国科学院院刊（PNAS）》上。论文链接：https://doi.org/10.1073/pnas.2509575122。
自然界中广泛存在着群体智能现象，其演化机理已逐步应用于多智能体系统的分析、优化、博弈与控制等关键领域，并成为构建高智能自主无人系统的核心要素。然而实际系统中，智能个体间的博弈交互结构并非静态网络，而是动态演化的。因此，揭示动态网络化博弈中群体智能的演化机理并调控其策略演化，已成为相关领域面临的前沿开放难题。
针对上述挑战，研究团队构建了一个结合静态与动态复杂网络的统一博弈策略演化理论框架。在该框架中，他们以节点度表征个体博弈对象的规模，以动态网络描述博弈结构的高阶性、多维度等关键时变特征，进而推导出一般动态网络化博弈场景中群体最优策略涌现的理论条件，揭示了群体智能行为的演化机理。
研究表明，要实现智能系统中群体最优策略的涌现，智能体在动态网络中的收益需高于其在对应静态网络中二阶邻居的收益；同时，演化初期个体博弈对象对于策略演化尤为关键。为进一步促进群体最优策略的形成，研究团队提出应降低博弈对象较多的个体在动态博弈中的交互优先级。进一步，他们据此设计了调控策略演化的方法，建立了量化个体交互优先级的指标，为真实动态场景下的博弈对象与顺序优化提供了依据。该方法在高阶动态网络（图A）及基于真实交互数据构建的动态网络（图B~E）中均得到了有效验证。
图 真实动态网络上的博弈顺序优化设计方法
该研究突破了传统演化博弈理论框架仅适用于静态复杂网络的限制，揭示了博弈场景中群体智能行为演化机理，阐明了动态复杂网络在提升群体最优策略演化中的关键作用，为面向真实动态场景中的自主无人系统的博弈策略设计与调控提供了新的思路。